Valutazione comparativa dell’affidabilità di algoritmi di segmentazione delle fasi del Timed Up & Go basati su segnali di sensori indossabili

Nelle forme precliniche di deterioramento cognitivo, sono state individuate alterazioni nella motricità fine, alterazioni della marcia, riduzione della velocità del cammino e variabilità del passo, disturbi dell’equilibrio. Tali dati suggeriscono l’importanza di strumenti di misura capaci di rilevare sia aspetti cognitivi sia aspetti motori. Il Test Timed Up and Go (TUG) valuta il livello di mobilità e le abilità di bilanciamento statico e dinamico. Nel TUG, si misura il tempo che una persona impiega per alzarsi da una sedia (sit-to-stand), camminare per tre metri (walking), girarsi (turning), tornare alla sedia e sedersi di nuovo (stand-to-sit). Il TUG è usato di frequente negli anziani, perché di facile amministrazione ed esecuzione. Un punteggio superiore ai 30 secondi suggerisce che la persona sia ad alto rischio di caduta. Per fornire una valutazione quantitativamente accurata e oggettiva, in letteratura si è proposto l’utilizzo di sensori indossabili (e.g., accelerometri e giroscopi) durante il TUG. Sono stati proposti diversi algoritmi per segmentare le fasi del TUG in modo automatico. Tra quelli presenti in letteratura, sono stati testati su un dataset di 15 tracce, gli algoritmi che utilizzano solo un sensore lombare. Le 15 tracce sono state registrate tramite un sistema di stereofotogrammetria Vicon per individuare il “ground truth” e applicando un sensore lombare. Per superare i limiti degli algoritmi proposti in letteratura, è stato proposto un nuovo algoritmo. La concordanza tra le due misure quantitative (metodi selezionati in letteratura e metodo proposto vs Vicon) è stata valutata tramite il grafico di dispersione Bland-Altman. La maggiore congruenza statistica è stata ottenuta con il metodo proposto.